加拿大佩里邦卡河流域水資源系統適應氣候變化策略研究

［加拿大］R.阿瑟諾等

1 項目概述

政府間氣候變化專門委員會(IPCC)認為，氣候變化將導致全球范圍內氣溫和降水格局的改變，進而又在一定程度上改變水流情勢，增大某些地區的水資源壓力，同時又將緩解其他一些地區的水資源壓力。水電企業需采取措施應對這些變化，以保持最佳生產力。預測徑流增加的地區，水電企業必須采取工程性與非工程性措施(或者將兩者結合起來)以獲得最大產能，同時將其他限制降至最低。在過去的10 a內，出現了研究氣候變化對水文影響的熱潮。早期開展的研究僅僅是利用單一或者少量的氣候預測情景，漸漸地，由于利用的氣候預測情景數量以及其他一些不確定性來源不斷增加，因而越來越多的研究已將不確定性分析納入研究之中。隨著人們對未來水文情勢以及不確定性的認識不斷增加，變化氣候條件下的水資源管理成了最近研究的重點。

這些研究強調氣候變化對水資源管理的重要性以及氣候影響在性質上的巨大區域差異。北緯流域可供水量很可能增加，因此，應對措施的關鍵是將潛在效益最大化，而世界大部分地區則將面臨年來水量減少以及會出現更多嚴重干旱的嚴峻挑戰。

有少量的研究特別關注變化氣候條件下的水庫管理以及運行規則，有些學者在研究中曾明確強調適應性管理的重要性，其他一些研究也論述過適應性管理規則的必要性。氣候變化對于以融雪為主的流域特別關鍵，在這些流域中，如果沒有采取管理措施，其融雪情勢的改變以及冬季流量的增加，將會導致水利工程脆弱性增加，從而對水利工程的完整性產生威脅。

上述所有研究都表明，適應性管理措施對于緩解氣候變化的未來影響(或者把握未來機遇)具有很大幫助。然而，在某些情況下，僅有政策的改變是不夠的，還必須考慮采取工程適應性措施。

有學者曾多次利用10種氣候預測情景對3個未來30 a時間段進行水文情勢預測，本文則是在這些研究的基礎上開展后續研究，運用動態隨機模型對這3個30 a時間段的水庫運行規則進行了優化。結果表明，未來平均流量與水力發電量總體上會增加;另外，春季融雪變異性增大也會導致非生產性溢流增大。基于考慮到未來的氣候因素，對運行規則進行了優化，這就意味著對于非生產性溢流問題只有采用工程性措施才能解決。

另外，本文深入研究了現有水電廠增加水輪機數量的經濟可行性，以應對所預測的未來可供水量的增加，減少非生產性溢流以及增加發電量。

2 研究區域

本文研究對象為佩里邦卡河流域，該流域位于加拿大魁北克省中部。一私營鋁冶煉公司利用佩里邦卡河河水發電，公司擁有3座發電廠，總裝機容量為1 165 MW。

佩里邦卡河流域包含4個子流域，萊克馬努安子流域位于流域最北部，集水面積5 000 km2，包括一座同名水庫，庫容為2 700 hm3。第2個子流域為帕塞斯丹杰勒瑟斯，集水面積11 000 km2，包括一座庫容為5 200 hm3的大型水庫，子流域南部為發電廠，裝機容量750 MW，水頭195.1 m。第3個子流域為許特杜迪亞布，集水面積9 700 km2，一座裝機容量為205 MW的徑流式發電廠位于子流域的南部。流域最南部的子流域為楚茲阿拉薩凡內，集水面積為1 300 km2，一座裝機容量為210 MW的徑流式發電廠位于該子流域的最南端。3座發電廠各裝有5臺水輪機。另外，每座發電廠安裝有5臺相同型號水輪機。在本研究中，由于水輪機型號相同，為每座發電廠增加第6臺水輪機相對比較容易，優化及模擬方案因而也很容易地針對每座發水電廠增加第6臺水輪機而作出調整。

佩里邦卡河流域徑流以融雪為主。因此，水庫管理必須考慮到春季徑流量，以使發電量最大化的同時可將非生產性溢流降至最低。也就是說，每個冬季末應降低水位(降低發電量)騰出庫容，以接納春季的融雪徑流，使非生產性溢流降至最低。

3 研究數據

本研究使用的數據包括實測數據以及未來預測氣候的數據。

3.1 實測數據

本研究使用的所有實測數據均由發電廠管理方

提供。收集使用的資料數據包括日最低、最高氣溫，日降水量以及日平均流量。降水量及氣溫數據來源于力拓加鋁運行管理的11個氣象站，數據為子流域尺度平均值，數據集包含各子流域1953～2003年數據系列。

3.2 未來數據

利用Delta變換法生成未來氣候數據。Delta變換法，也稱為“變換因子法”，該方法是利用全球氣候模型(GCM)和區域氣候模型(RCM)預測不同溫室氣體排放情景下當前氣候與未來氣候的差異。將預測差異應用于當前實測資料，并生成未來時間段數據集。Delta值為未來時段月均值的30 a移動平均值與GCM基準時段值的差值，這樣，將月Delta因子應用于近期相應月份實測日氣候數據，以獲得未來的氣候數據。氣溫差值采用攝氏度表示，而降水量的Delta值則用比率表示(未來值除以基準值)。本文研究中的未來2個時間段為2036～2065年和2071～2100年。

為了涵蓋與氣候模型選擇以及溫室氣體排放情景選擇有關的不確定性，本研究中使用的Delta值，根據1～3排放情境下的23個全球氣候模型計算結果獲得，共使用了60種氣候預測情景。本研究中假定，每一種全球氣候模型模擬代表未來情景的概率相同，分別對2050年時間段與2085年時間段Delta值的分布情況進行了分析研究。所有氣候預測情景表明，這2個未來時間段內的氣溫和降水量都有所增加。2085年時間段的不確定度大很多。

利用全球氣候模型情景，將時間段1971～2000年作為基準時段來計算Delta值，再將該基準時段的歷史氣候數據應用于預測的Delta值，以生成未來氣候時間序列。

4 研究方法

本研究所采用的主要方法及步驟概括如下。

(1)利用全球氣候模型輸出以及月尺度的Delta變化降尺度法進行氣候預測。以往的研究人員在研究中使用了10種氣候預測情景，而本文研究中使用的氣候預測情景是以往研究人員的6倍，旨在更好地涵蓋各種不確定性。

(2)利用一種水文模型以及上一個步驟中計算得到的(每一個未來時間段)60種氣候預測情景來模擬未來的天然來水量。

(3)利用動態隨機優化模型來優化發電廠的管理規則。

(4)利用已優化的管理規則來模擬水資源系統。

完成上述步驟以后，回到步驟(3)、(4)，對每座發電廠增加1臺水輪機以提高裝機容量的情景進行模擬。由于每座發電廠安裝了5臺相同的水輪機，所以僅需要將每座發電廠的水輪機數量從5臺提高到6臺即可。

4.1 子流域水文模擬

利用全球集總式降雨徑流模型HSAMI，以日為時間步長進行水文模擬。HSAMI模型由魁北克水電公司、魁北克公共電力公司開發研制，用于預測其管理范圍內河流及水利工程的流量。HSAMI是一個概念性模型，使用的率定參數多達23個。利用各子流域1984～2003年資料進行模型參數率定，然后利用這些子流域1953～1983年資料進行驗證。率定期的納希效率系數平均值為0.8(各子流域納希效率系數變化范圍為0.6～0.91)，驗證期內，納希效率系數平均值為0.7，根據日流量過程線計算率定期與驗證期的納希效率系數。考慮到各子流域的天然來水量是根據水庫水位和基于各發電廠收集的數據重建而得，這樣的效率系數已經相當令人滿意。由于最下游子流域獲得的值較低，因此納希效率系數平均值呈現偏斜。這種偏斜僅僅對最后一座發電廠的發電能力會產生有限的影響。

在各發電廠現有設備以及增加1臺水輪機的條件下，對未來2個時間段內60種氣候預測情景下的流量分別進行了模擬。同時，利用實測資料對基準期的流量進行了模擬。在本文后續的研究中，總共采用了242種水文模擬。

4.2 發電廠管理規則優化

利用隨機動態規劃(SDP)法優化佩里邦卡水資源系統運行規則。對于每一個時間段，在優化過程中隨著時間的推進，該算法使用過去的流量來計算未來最有可能的流量并據此優化管理規則。例如，對于2041年，該算法利用2036～2040年的流量估算當前時段和未來時段最可能的流量。優化目標為總發電量最大化，而不考慮產生的非生產性溢流的大小。基本思路是將非生產性溢流降至最低，但是SDP程序允許增大非生產性溢流提高總發電量。SDP程序中包括4個控制點(3座發電廠以及萊克馬努安水庫溢洪道)模式。然而，由于2座徑流式發電廠的發電僅僅依賴于河道流量(非水庫)，所有可利用水量全部被用于發電，而將多余水量直接排放。這樣，可將該問題轉換為一個二態變量問題(萊克馬努安水庫和帕塞斯丹杰勒瑟斯水庫)。同時，帕塞斯丹杰勒瑟斯水庫至楚茲阿拉薩凡內之間的流量傳播時間不足1 d，模擬時以周為時間步長是可以接受的。

對于每一個控制點，SDP優化器的輸出結果為一系列表格(模擬年份內，每周一個表格)。每一輸出表格顯示每周的出水量，利用該出水量，根據該周水庫初始水位、模擬周的來水量以及所模擬的周，優化總發電量。假定模擬周內的來水量和出水量是恒定不變的，分別生成未來時間段2050、2085內的5臺及6臺水輪機條件下60個模擬流量的運行規則;同時，分別生成基準期內5臺及6臺水輪機條件下的流量、共242個優化系列的運行規則。

4.3 水資源系統模擬

基于水資源系統的研究目的，使用Matlab軟件內含的定制程序模擬水資源系統的演變情況，模擬時考慮了水庫形狀和大小、電廠裝機容量、電廠幾何特征以及系統其他的相關特征。有學者曾經利用這一方法研究氣候變化對佩里邦卡河流域水資源系統的影響。該程序是利用周來水量以及事先生成的優化規則模擬水庫及控制點的管理，將第1周的水庫水位帶入下一周，程序返回以周為時間步長的每一控制點的發電量和非生產性溢流量，分別計算242個模擬系列的控制點發電量和非生產性溢流量，以進行不同分組之間的比較。

首先進行基準期、2050及2085時間段的比較，確定是否存在與氣候變化相關的趨勢，然后比較每一時間段在5臺和6臺水輪機條件下控制點的發電量和非生產性溢流量的差異;程序返回每一發電廠增加1臺水輪機后所產生的效率以及總的收益增量。這一步驟可以同時對佩里邦卡河流域非工程性措施(適應性運行規則)和工程適應性措施(增加1臺水輪機)的效率進行比較。

5 結果與討論

分析了未來氣候變量預測結果以及模擬流量過程，并計算了每一時間段的系統總發電量。最后，分析評估了在增加1臺水輪機以后的預測效果。

5.1 氣溫及降水量預測結果

對帕塞斯丹杰勒瑟斯子流域2050年時間段和2085年時間段日最高氣溫、最低氣溫的年際均值進行了預測研究。

2085年時間段與2050年時間段預測氣溫趨勢類似，但是其不確定性范圍、氣溫總體增加值更大。對帕塞斯丹杰勒瑟斯子流域2050年和2085年這2個30 a時間段的月平均降水量與基準期月平均降水量進行了比較分析，分析結果表明，其變化趨勢與其他子流域十分類似。

生成未來氣溫和降水量序列時，使用的方法是月平均氣溫Delta變換法，因此，最高氣溫和最低氣溫的變化范圍完全相同，最低氣溫的Delta增加值與最高氣溫的Delta增加值相同。分析結果表明，2050年和2085年時間段的降水量呈增加趨勢，不過后者的增幅更大。

5.2 流量過程

將各時間段的所有預測氣候數據輸入HSAMI水文模型，輸出一系列流量過程，供分析使用。分別模擬了各子流域的流量過程，計算了帕塞斯丹杰勒瑟斯子流域2050年和2085年時間段模擬流量過程的年際變化，得出了該子流域歷史數據模擬流量過程的年際均值。

其他子流域的模擬流量過程也出現了相同的變化。很顯然，2085年時間段模擬流量過程的不確定性水平要高于2050年時間段。結果同時還表明，預測的洪峰流量時間有所提前(2085年時間段預測的洪峰流量時間提前數天至數周，取決于氣候預測數據)。同時最大洪峰流量可能會減少，而秋冬季的流量將會顯著增加。對夏季流量變化情況還不是太清楚，可能取決于所選擇的氣候預測情景。這些結果與以往的相關研究結果類似，不過，由于本研究使用的氣候預測情景更多(60/10)，未來結果的變化也會增大。

5.3 發電量估算

SDP優化程序發布后，利用水資源系統模擬器分別估算了242種預測情景下的發電量。

模擬器預測的年發電量與同期實際發電量誤差不超過1%。如表1所示，在各發電廠增加1臺水輪機的條件下，歷史氣候數據預測的年平均發電量會增加+0.7%。這表明，就近期氣候數據而言，各發電廠的配置是合適的。

表1 當前情況下增加1臺水輪機時發電量的變化 %

在未增加以及僅增加1臺水輪機的條件下，計算了未來2個時間段的年平均發電量的增加值。計算結果表明，在無工程性變化的條件下，2050年及2085年時間段的年發電量分別平均增加+4.4%和7.4%。這些增加量在置信水平為0.05的條件下，其顯著性具有統計學意義。各發電廠增加1臺水輪機時，總發電量會進一步增加+1.1%(2050年時間段)和+1.4%(2085年時間段)，分別達到5.5%和8.8%。但是，這些增加量在置信水平為0.05條件下，其顯著性無統計學意義。預測并分析研究了每一種情形下模擬值的分布情況，為保證發電量數據的可靠性，這些值是歷史平均發電量的相對模擬值。

5.4 非生產性溢流量估算

同樣，借助于模擬，對非生產性溢流量進行了研究分析。歷史數據表明，非生產性溢流量可忽略不計，但是所預測的可供水量增加可能導致非生產性溢流量的增加。模擬結果表明，未來時間段的非生產性溢流量確實會有所增加，但是依然可以忽略不計。增加1臺水輪機確實可以在某種程度上減少本來就不大的非生產性溢流量，但是，由于這些溢流量本身就很少，從實際生產角度看，這種減少沒有實際意義。也就是說，通過優化運行規則就可以解決未來可供水量增加的問題，且并不會導致大量非生產性溢流量。因此，增加的水輪機不是利用這些溢流量來增加發電量，而只是更好地利用了同樣數量的可供水量。

5.5 綜合討論

本文研究結果顯示，對于氣候變化條件下預期增加的可供水量，采用適應性運行規則足以獲得其大部分收益。本文并沒有針對額外增加水輪機的成本以及增加水輪機的理想時期展開研究，然而，從研究結果來看，增加更多的水輪機絕對不具有經濟可行性，因為預期增加的發電量非常小。盡管不可能增加額外的水輪機，但是近期應該考慮對所有水輪機進行大修或者更換升級。這項工作為進行高效水輪機替換舊水輪機成本分析提供了機會。特別是對于許特杜迪亞發電廠和楚茲阿拉薩凡內發電廠，這2座發電廠的發電量預期增加最大。

研究表明，與歷史發電量數據相比，在2050年時間段氣候變化條件下，5臺水輪機及6臺水輪機的發電量，其年度均值及季節時間步長的發電量均會有不同程度的增加。在2085年時間段氣候變化條件下，5臺水輪機及6臺水輪機發電量，其年度均值及季節時間步長的發電量也會有不同程度的增加。

盡管本研究包括了全球氣候模型以及溫室氣體排放情景這2個重要的不確定性來源，但近期研究顯示，自然變異(如全球氣候模型總體序列所顯示的)、降尺度方法以及水文模型也是不確定性非常顯著的來源。盡管如此，考慮到預期增加的發電量相對較小，增加這些額外的不確定性來源還是有一定的價值的，且對結果也不會產生任何影響。

研究結果還顯示，對于預期的氣候變化，佩里邦卡河流域水資源系統并非那么脆弱，至少從水力發電量角度來看理應如此。部分原因是，發電廠上游的2座水庫庫容很大，足以應對未來流量增加的問題，且不會明顯增加下游發電廠的非生產性溢流量。

6 結語

本文討論了現有發電廠增加水輪機數量以充分利用水系內預期增加的徑流量的可能性。對水資源系統進行了模擬，根據2個不同時間段的60種氣候預測情景，生成了大壩管理規則，同時，檢測了非生產性溢流量。結果表明，額外增加水輪機有可能(但并不顯著)增加所有水電廠的電力輸出，而且對于水資源管理者而言，保持現狀或許是最佳選擇。因為就氣候變化對可供水量產生的影響而言，相應地優化大壩管理規則足以基本解決可供水量預期增加的問題。增加更多水輪機的經濟可行性很小，盡管預期水力發電量將增加(但是很小)。